DATA SCIENCE (HOC’S)
Querying = Iets specifiek opvragen.
• Je weet precies waar je naar op zoek bent.
OLAP = Online Analytical Processing (Online analytische verwerking)
• Vaak een grafische gebruikersinterface (GUI) om grote datasets in real time te
bevragen.
• Vooraf geprogrammeerde analysemogelijkheden (dimensies).
• Samenvattend niveau van analyse.
➔ Geen modellering of patroonherkenning; OLAP omvat enkel de query zelf.
OLAP werkt sneller dan gewone querying, omdat de analysemogelijkheden al vooraf zijn ingesteld. Daardoor
kunnen samenvattende statistieken worden gebruikt bij de berekeningen, in plaats van dat de computer telkens
de volledige query moet uitvoeren en alle elementen moet ophalen.
Data science (datawetenschap) = Een reeks fundamentele principes die het proces begeleiden om kennis uit
data te halen.
Data mining = Het extraheren van kennis uit data via technologieën die deze principes toepassen.
Big data = Data die zó groot is dat traditionele opslag- en verwerkingssystemen er niet meer mee kunnen
omgaan.
➔ Hierbij willen we wél patronen ontdekken.
Afgelopen decennium: de evolutie van AI steunt steeds meer
op ML, en ML op DL — maar het zijn geen synoniemen!
Zorgen / aandachtspunten?
• Moderne ML-technieken zijn erg goed in het aanleren van
complexe patronen in data om bepaalde vooraf
gedefinieerde taken op te lossen.
• Data science maakt gebruik van deze technieken om
commerciële en zakelijke problemen op te lossen en zo waarde te creëren.
Intelligent behaviour is nog steeds een abstract begrip; er bestaat geen echte definitie van. AI is de
overkoepelende term (superset) van machine learning en deep learning. Je kunt het zien als een ui: machine
learning valt onder AI, en deep learning valt onder machine learning, en dus ook onder AI.
Deep learning: neurale netwerken bestaan in essentie uit
lagen (“stacks”) van neuronen — hoe meer lagen er zijn, hoe
geavanceerder het model wordt, en dus hoe “dieper” het
model gaat.
Aan de basis: data, maar wat is data?
➔ “Ruwe stroom van feiten.”
Soms zelfs ‘big’:
De Large Hadron Collider (LHC @ CERN) heeft 150 miljoen
sensoren die samen ongeveer 40 miljoen metingen per
seconde genereren.
Walmart registreert meer dan een miljoen klanttransacties
per uur.
Data kan leiden tot betere besluitvorming via data science.
,• Data → informatie / kennis
• Data is een waardevol bezit
Hoe beter je data, hoe beter de beslissingen die erop gebaseerd worden. Als je beslissingen neemt op basis van
deze data, noemen we dat data-driven decision making (datagestuurde besluitvorming).
Niet alle beslissingen zijn volledig gebaseerd op data:
• Beslissingen waarvoor ontdekkingen gedaan moeten worden
• Beslissingen die herhaald worden, vooral op grote schaal
Machine learning is een belangrijke technologie waarbij een model wordt aangeleerd op basis van data —
maar wat is een model eigenlijk?
Een model is een (abstracte) representatie van (een deel van) de werkelijkheid.
In ML: een model wordt aangeleerd / getraind door een machine learning-algoritme op basis van data.
Voorbeeld van een model:
De schatting van een onbekende waarde = voorspelling
(prediction)
Model learning is het vinden van een mapping waarbij
parameters de functie bepalen — bijvoorbeeld:
maar vaak veel complexer.
Training: het vinden van gewichten op basis van (trainings)data
Complexe functies benaderen met neurale netwerken. Veel meer parameters!
,Sommige aangeleerde functies kunnen zeer complex zijn
• Bijvoorbeeld T-NLG: 17 miljard parameters
Opmerking: dergelijke modellen worden niet getraind op een
gewone computer.
Sommige besluitvormingsondersteunende systemen kunnen
meerdere complexe verdelingen/functies omvatten, bijvoorbeeld
ter ondersteuning van levertoewijzing.
Dingen concreet maken met een bedrijfsvoorbeeld
(Mortgage = Hypotheek)
(Default = Het niet nakomen van een betalingsverplichting; niet op tijd betalen van lening of rente.)
Voorbeeld van wanbetalingsvoorspelling
➔ Voorspel kredietwaardigheid op basis van historische data
, Types van Machine Learning
Supervised learning (begeleid leren): een mapping leren 𝑥 → 𝑦 of 𝑓(𝑥) = 𝑦
• y is de uitkomst/doel/label(target)
• Afhankelijk van het type y:
o Classificatie (discreet)
Binaire categorische doelvariabele
Binaire classificatie
Twee mogelijke uitkomsten
Bijvoorbeeld: Churn of geen churn, Fraude of geen fraude, Kat of
geen kat
Categorical target variable: multiclass classification
Ordinaal: bijvoorbeeld het voorspellen van kredietscores
Nominaal: bijvoorbeeld klantsegment, dier, …
De output kan ook een kans op klasse-lidmaatschap zijn, bijvoorbeeld 80% kans op aankoop, kat, …
o Regressie (continu)
Continue doelvariabele
Je kent waarschijnlijk lineaire regressie
Vb: Customer Lifetime Value (CLV), Loss Given Default (LGD)
Unsupervised learning (onbegeleid leren): geen doelvariabele (𝑦)
• Geen y/target
• Wat dan?
o Clustering
Het toewijzen van vergelijkbare waarnemingen aan clusters, d.w.z. groepen van vergelijkbare
waarnemingen.
Segmenteren van de klantenbestand
Vergelijkbare producten groeperen
Querying = Iets specifiek opvragen.
• Je weet precies waar je naar op zoek bent.
OLAP = Online Analytical Processing (Online analytische verwerking)
• Vaak een grafische gebruikersinterface (GUI) om grote datasets in real time te
bevragen.
• Vooraf geprogrammeerde analysemogelijkheden (dimensies).
• Samenvattend niveau van analyse.
➔ Geen modellering of patroonherkenning; OLAP omvat enkel de query zelf.
OLAP werkt sneller dan gewone querying, omdat de analysemogelijkheden al vooraf zijn ingesteld. Daardoor
kunnen samenvattende statistieken worden gebruikt bij de berekeningen, in plaats van dat de computer telkens
de volledige query moet uitvoeren en alle elementen moet ophalen.
Data science (datawetenschap) = Een reeks fundamentele principes die het proces begeleiden om kennis uit
data te halen.
Data mining = Het extraheren van kennis uit data via technologieën die deze principes toepassen.
Big data = Data die zó groot is dat traditionele opslag- en verwerkingssystemen er niet meer mee kunnen
omgaan.
➔ Hierbij willen we wél patronen ontdekken.
Afgelopen decennium: de evolutie van AI steunt steeds meer
op ML, en ML op DL — maar het zijn geen synoniemen!
Zorgen / aandachtspunten?
• Moderne ML-technieken zijn erg goed in het aanleren van
complexe patronen in data om bepaalde vooraf
gedefinieerde taken op te lossen.
• Data science maakt gebruik van deze technieken om
commerciële en zakelijke problemen op te lossen en zo waarde te creëren.
Intelligent behaviour is nog steeds een abstract begrip; er bestaat geen echte definitie van. AI is de
overkoepelende term (superset) van machine learning en deep learning. Je kunt het zien als een ui: machine
learning valt onder AI, en deep learning valt onder machine learning, en dus ook onder AI.
Deep learning: neurale netwerken bestaan in essentie uit
lagen (“stacks”) van neuronen — hoe meer lagen er zijn, hoe
geavanceerder het model wordt, en dus hoe “dieper” het
model gaat.
Aan de basis: data, maar wat is data?
➔ “Ruwe stroom van feiten.”
Soms zelfs ‘big’:
De Large Hadron Collider (LHC @ CERN) heeft 150 miljoen
sensoren die samen ongeveer 40 miljoen metingen per
seconde genereren.
Walmart registreert meer dan een miljoen klanttransacties
per uur.
Data kan leiden tot betere besluitvorming via data science.
,• Data → informatie / kennis
• Data is een waardevol bezit
Hoe beter je data, hoe beter de beslissingen die erop gebaseerd worden. Als je beslissingen neemt op basis van
deze data, noemen we dat data-driven decision making (datagestuurde besluitvorming).
Niet alle beslissingen zijn volledig gebaseerd op data:
• Beslissingen waarvoor ontdekkingen gedaan moeten worden
• Beslissingen die herhaald worden, vooral op grote schaal
Machine learning is een belangrijke technologie waarbij een model wordt aangeleerd op basis van data —
maar wat is een model eigenlijk?
Een model is een (abstracte) representatie van (een deel van) de werkelijkheid.
In ML: een model wordt aangeleerd / getraind door een machine learning-algoritme op basis van data.
Voorbeeld van een model:
De schatting van een onbekende waarde = voorspelling
(prediction)
Model learning is het vinden van een mapping waarbij
parameters de functie bepalen — bijvoorbeeld:
maar vaak veel complexer.
Training: het vinden van gewichten op basis van (trainings)data
Complexe functies benaderen met neurale netwerken. Veel meer parameters!
,Sommige aangeleerde functies kunnen zeer complex zijn
• Bijvoorbeeld T-NLG: 17 miljard parameters
Opmerking: dergelijke modellen worden niet getraind op een
gewone computer.
Sommige besluitvormingsondersteunende systemen kunnen
meerdere complexe verdelingen/functies omvatten, bijvoorbeeld
ter ondersteuning van levertoewijzing.
Dingen concreet maken met een bedrijfsvoorbeeld
(Mortgage = Hypotheek)
(Default = Het niet nakomen van een betalingsverplichting; niet op tijd betalen van lening of rente.)
Voorbeeld van wanbetalingsvoorspelling
➔ Voorspel kredietwaardigheid op basis van historische data
, Types van Machine Learning
Supervised learning (begeleid leren): een mapping leren 𝑥 → 𝑦 of 𝑓(𝑥) = 𝑦
• y is de uitkomst/doel/label(target)
• Afhankelijk van het type y:
o Classificatie (discreet)
Binaire categorische doelvariabele
Binaire classificatie
Twee mogelijke uitkomsten
Bijvoorbeeld: Churn of geen churn, Fraude of geen fraude, Kat of
geen kat
Categorical target variable: multiclass classification
Ordinaal: bijvoorbeeld het voorspellen van kredietscores
Nominaal: bijvoorbeeld klantsegment, dier, …
De output kan ook een kans op klasse-lidmaatschap zijn, bijvoorbeeld 80% kans op aankoop, kat, …
o Regressie (continu)
Continue doelvariabele
Je kent waarschijnlijk lineaire regressie
Vb: Customer Lifetime Value (CLV), Loss Given Default (LGD)
Unsupervised learning (onbegeleid leren): geen doelvariabele (𝑦)
• Geen y/target
• Wat dan?
o Clustering
Het toewijzen van vergelijkbare waarnemingen aan clusters, d.w.z. groepen van vergelijkbare
waarnemingen.
Segmenteren van de klantenbestand
Vergelijkbare producten groeperen
